在2026年世界博览会上定义AI工程的五大趋势（17分钟阅读）

# 定义2026年世博会AI工程的5大趋势 来源: https://www.latent.space/p/aiewf26trends *swyx注：感谢Richard (http://x.com/ricmac) 在我筹办会议期间报道AIE！请确保你已订阅 (https://www.latent.space/account)AINews (https://www.latent.space/s/ainews) 源以获取我们的工作日更新。AIE下一站将于2026年10月12日至14日重返纽约 (https://www.ai.engineer/nyc/2026)，今年将重点聚焦金融领域的AI。* [](https://substackcdn.com/image/fetch/$s_!3Be9!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fd4e070d1-3be3-48a9-a86b-ceaf34f4577b_1672x941.png) AI工程在三年的时间里取得了长足进步。当swyx在2023年6月首次提出“AI工程师” (https://www.latent.space/p/ai-engineer) 这个术语时，他是在为大型语言模型大爆炸中涌现出的一种新型开发者命名。现在回想起来仿佛已是远古历史，但还记得吗，我们曾把AI与软件开发的交叉领域称为“提示工程”？那不过是swyx重新定义之前的几个月 (https://ricmac.org/2023/05/12/ai-has-become-integral-to-the-software-delivery-lifecycle/) 的事。 最新的AI工程师世博会 (https://www.ai.engineer/worldsfair/2026) 展示了这个领域已经成熟了多少。无论“AI工程师”是否已成为正式的职位头衔，这几乎已经无关紧要。过去三年围绕AI发展起来的工程实践——构建编码智能体、设计控制框架、管理上下文、评估模型输出、编排日益自主的系统——正在**成为主流软件开发的一部分**。 本文将不聚焦于AIEWF上的单个公告，而是提炼出五个更大的趋势，展示2026年AI工程的现状。 要看清AI工程如何演变，最清晰的方式之一是比较前OpenAI研究员、现Thinking Machines Lab联合创始人Lilian Weng的两篇文章。她在2023年发表的有影响力的文章《LLM驱动的自主智能体》 (https://lilianweng.github.io/posts/2023-06-23-agent/) 中，从规划、记忆和工具使用角度描述了LLM智能体的架构。AutoGPT、BabyAGI和GPT-Engineer是她列举的例子——那些概念验证系统暗示自主智能体可能很快就会变得实用。 她2026年的新文章《面向自我改进的控制框架工程》 (https://lilianweng.github.io/posts/2026-07-04-harness/) 则采取了一种截然不同的视角。Weng认为，模型周围的系统变得同样重要：管理工作流、上下文、权限、评估、持久状态和持续改进的控制框架。换句话说，AI工程已从提示模型转向围绕模型构建可靠的工程系统。 [](https://substackcdn.com/image/fetch/$s_!IIql!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fd5bc65b2-d2e4-48f5-9e7d-3cd886c70aa5_2048x681.png)编码智能体循环；图片来自Lilian Weng 这种转变在AIEWF上备受关注。我觉得AutoGPT——那个2023年人人都在谈论 (https://ricmac.org/2023/10/13/ai-engineer-summit-wrap-up-and-interview-with-co-founder-swyx/) 的热门自主智能体项目——今年甚至都没有被提及。取而代之的讨论围绕着Claude Code、Codex、Gemini CLI、Cursor、Warp以及所有让编码智能体在生产中可靠运行所需的基础设施。 我记得2023年会议上的AutoGPT热潮让我感到反感，主要是因为所有讨论似乎都聚焦于将人类排除在外。但过去几年我们认识到，**完全的智能体自主不仅不可靠，甚至不是人们所期望的——尤其是在大规模场景下**。因此，在AIEWF上，智能体在很大程度上被定位为增强AI工程师，而非取代他们，这让我松了一口气。 在AIEWF第二天的OpenAI主题演讲中，Romain Huet强调了这一点。Huet认为，使用OpenAI的Codex等工具，工程师可以更轻松地与智能体协作。正如他所说：“软件吞噬了世界，然后AI吞噬了软件，但今天我们想说的是，AI工程师正在吞噬世界。” 尽管AI工程师的力量日益增强，但人们也感觉到，即使是前沿公司也不完全理解他们的模型是如何演变的——那么工程师对它们究竟能有多少控制？在另一场主题演讲 (https://www.youtube.com/watch?v=9fubhllmsBU&t=6s) 中，Anthropic的Thariq Shihipar谈到他们的最新模型Claude Fable (https://www.latent.space/p/ainews-the-field-guide-to-fable) 就像一个有机系统——**“模型是被培养出来的，而不是被设计出来的。”** 他说存在一种“能力开销”，即“Claude以不规则的方式变得更聪明”。 AINews: 工作日简报 (https://www.latent.space/p/ainews-the-field-guide-to-fable) [## [AINews] Fable 指南](https://www.latent.space/p/ainews-the-field-guide-to-fable) [![[AINews] Fable 指南](https://substackcdn.com/image/youtube/w_728,c_limit/9fubhllmsBU)](https://www.latent.space/p/ainews-the-field-guide-to-fable) 在我们祝贺（节目好友！）General Intuition 发布新模型以及（节目好友！）Shunyu Yao 发布新模型的同时，世界正等待 GPT-5.6 Sol Ultra 的发布，人们竞相寻找 Fable 5 的极限。 这更说明了为智能体化开发构建系统的必要性，以便我们能够评估和监控输出。 到AIEWF第一上午的主题演讲结束时 (https://www.latent.space/p/aiewf-daily-dispatch-loops)，很明显，“循环”成为了本次活动的最热门词汇。抛开这个词被滥用不谈，它确实突出了AI工程的一个关键张力点：智能体应该拥有多少控制权，人类又应该在何处保持在环内？ [](https://substackcdn.com/image/fetch/$s_!1tmM!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F3ff8bd9e-2d85-4962-be54-5850906e7fce_1280x851.jpeg)OpenClaw 创建者 Peter Steinberger 倡导更好的循环。 许多领先工程师现在采取的一种方法是将自己置于“外循环”中——监督内循环中智能体大部分自主完成的工作。 **Roland Gavrilescu** 是 Introspection 的联合创始人兼CEO，这家新公司正在构建部署自我改进系统的基础设施。在接受 Latent Space 采访时 (https://www.latent.space/p/autoresearch-introspection)，他解释了“自动研究”的概念如何为智能体循环提供必要的反馈结构： > “*你可以将系统视为有一个**内循环**和一个**外循环**。内循环是主要系统，与用户交互并执行工作。**自动研究更关注外循环：另一个研究并维护主要系统的系统。** *” 自动研究：自我改进智能体背后的反馈循环 (https://www.latent.space/p/autoresearch-introspection) 外循环可以包括反馈信号、评估和人工输入。所以它可能仍然在很大程度上是自主的，但关键是它是一种监督主智能体循环的方法。前Google工程负责人 **Addy Osmani** 说得很好，他表示“智能体可以运行更多的内部执行循环，但那个外循环仍然是工程。” “循环工程”一词在AIEWF上多次出现，这表明人类AI工程师有责任构建这些循环系统。连 OpenClaw 的“Claw之父”Peter Steinberger 也强调将自己置于外循环中。在OpenAI主题演讲中，他解释说 **“智能体运行内执行循环；我设定方向并在外循环中做出决策。”** [](https://substackcdn.com/image/fetch/$s_!SXeX!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F2c10ab29-01cc-4c1c-9dd4-1c9937a46fb2_1280x815.jpeg) AIEWF 上的循环辩论。 在最后一天，举行了一场 (https://www.latent.space/p/aiewf-daily-dispatch-locomotives) 舞台辩论，讨论完全自主的智能体是否真的能够管理循环。来自HumanLayer的 **Dex Horthy** 声称“炒作超过了纪律。”他并非反对循环本身，他指出Kubernetes就是建立在控制循环之上——“但它们是确定性循环。” Ralph Loop的创建者Geoffrey Huntley 承认循环是“前沿思想”，但他给听众提供了一个精彩的类比： > “*\[我们\]有点像现在的火车司机。这就是我们的工作：让火车保持在轨道上。*” 这种使用AI工具的工作方式正开始进入企业，通常是通过一个名为“前向部署工程师”（FDE）的新角色来实现——工程师直接与组织合作，以实施AI能力。 前向部署工程师与软件工程的未来 (https://www.latent.space/p/forward-deployed-engineers-aiewf) **Natalie Meurer** 在Sierra领导FDE团队，她告诉 Latent Space (https://www.latent.space/p/forward-deployed-engineers-aiewf)，在企业中实施AI通常需要大量的编排。**“与我们合作的每个企业都想知道如何维护其智能体生态系统能够做的所有事情，”** 她说。“它需要管理所有集成以及为智能体贡献的所有团队。” [](https://substackcdn.com/image/fetch/$s_!7FmP!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F9d9db84e-615f-4389-8e9f-42188bab5b0a_1280x720.jpeg) Cursor 的 Pauline Brunet 在 AIEWF 会议上谈论 FDE。 在AIEWF的会议中，Cursor的 **Pauline Brunet** 谈到了他们的FDE在每次合作中希望实现的目标： > “*当\[我们\]在合作结束时离开时——在我们的案例中，我们部署了云端智能体、长期运行的智能体、自动化程序，\[并且\]我们在Cursor SDK之上构建了应用程序——当我们离开时，这对他们来说是严格的投资回报率。**这意味着他们不会在我们离开时关掉这些东西。** *” 会议中另一个经常使用的术语是“软件工厂”。在Cursor，“软件工厂意味着长期运行的智能体在整个过程中帮助人们，”Brunet说。这基本上就是她的FDE团队负责实施的内容，他们与客户的工程师并肩工作。 人类工程师在软件工厂中处于什么位置是企业面临的关键问题。Warp CEO **Zach Lloyd** 解释说 (https://www.latent.space/p/software-factories)，组织需要选择生命周期的哪些部分实现自动化，以及人类应该在哪些环节被引入循环。 [](https://substackcdn.com/image/fetch/$s_!icur!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F8035c7ee-ad6b-4471-be12-cd04aa09231a_1280x800.jpeg) Warp 的 Zach Lloyd 谈构建生产产品的东西。 “你选择你的仓库、软件生命周期中想要自动化的部分，以及**应将人类引入循环的节点**，”Lloyd在谈到公司新的软件工厂平台Oz时告诉我们。“不同的组织和代码库会有不同的偏好。你完全自动化代码审查吗？你让人工审查某些高风险变更吗？” Warp CEO Zach Lloyd 谈软件工厂为何是编码的下一个阶段 (https://www.latent.space/p/software-factories) 企业另一个关注点是在AI系统中管理其独特的组织数据。来自Atlan的 **Prukalpa Sankar** 在会议上谈到了“上下文工程”，她在一条推文 (https://x.com/prukalpa/status/2074165485562667177) 中解释说，重要的是要考虑 **“上下文如何从你的业务系统流入一个共享的公司大脑，然后通过MCP、API和检索流出到智能体、副驾驶和应用程序。”** 最后，为了不让大家觉得企业已经全面拥抱智能体，Cursor的Brunet指出 (https://www.latent.space/p/cursor-forward-deployed-engineers)，企业采用AI“仍然集中在早期采用者中。”因此，在这个阶段，在“组织内部找到合适的拥护者”是FDE面临的一项挑战。 Cursor 如何在企业内部署 AI (https://www.latent.space/p/cursor-forward-deployed-engineers) 自首届AI工程师峰会以来，最大的实际变化或许是开发者日常与AI交互的方式。 2023年，AI辅助编程主要意味着GitHub Copilot补全接下来的几行代码。大多数开发者仍然几乎完全自己编写代码，将AI用作智能自动补全。**但现在我们有了诸如Claude Code、Codex、Gemini CLI、Cursor和Warp之类的工具。** 这些“编码智能体”通常能够理解更广泛的的目标、探索代码库、修改多个文件、运行测试、调试失败，并在将结果呈现给开发者之前自行迭代。 [](https://substackcdn.com/image/fetch/$s_!uUve!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Ff4f5e840-6562-422f-9977-5e605e837a99_1280x800.jpeg) 在 Barr Yaron 的 AI 工程调查中，编码智能体是一个关键趋势。 编码智能体的趋势现在也延伸到了Web开发——随着Vercel最近发布eve，该公司将其称为“智能体框架”，与其流行的开源React框架Next.js相媲美。 Vercel的软件负责人 **Andrew Qu** 在AIEWF上告诉 Latent Space (https://www.latent.space/p/vercel-agents-new-software)，**智能体实际上是一种新型软件**。“它们\[智能体\]不像Web应用那样可预测，”他解释道。“基础设施可能看起来相似，但交互、界面和输出要动态得多。” Vercel 的 Andrew Qu 谈智能体为何是一种新型软件 (https://www.latent.space/p/vercel-agents-new-software) Qu补充说，构建智能体开发框架的工作远未结束。“一年前，我们不知道沙箱会变得如此重要，也不清楚对安全代码执行和长期运行任务的会有多大需求，”他说。“随着我们从生产中学到更多，还有更多东西需要构建。” [](https://substackcdn.com/image/fetch/$s_!lvum!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F244386b6-1c27-4763-8f5d-af9d239717d4_1280x720.jpeg) A代表智能体？Andrew Qu 亮出 Vercel 三角标志。 这让我们回到了软件工厂的趋势，即开发者管理多个智能体。**Charlie Holtz**，Conductor的CEO，提醒AIEWF的观众，无论编码控制框架如何，人类工程师始终应该保持控制。 “我不希望未来建立在工厂之上，”Holtz说。**“我想感觉自己是一个人，我想处于心流之中，我想站在管弦乐队面前，挥舞我的指挥棒。”** 在会议期间，有一种感觉是AI工程师们尚未就哪个术语更合适达成一致：软件工厂还是管弦乐队？即使是循环倡导者Geoffrey Huntley也警告说，我们在自动化方面不要操之过急： > *“我最担心的是，明年的这个时候，在会议上，我们会看到一大堆人在说，我们的工厂失败了，我们的循环失败了。**这些是我们仍在摸索中的事情。** ”* 会议的一个热门话题是“技能”，这是Anthropic在去年十月 (https://claude.com/blog/skills) 为Claude引入“智能体技能”时推广开来的概念。借用Addy Osmani的定义 (https://git